数据分析03

╰半橙微兮° 2022-02-23 03:40 288阅读 0赞

# 数据分析03 #

## matplot基本功能详解 ##

### 图形对象操作 ###

#### 填充操作 ####

以某种颜色自动填充两条曲线的闭合区域.

mp.fill_between(
    	x, 				# x轴水平坐标
        sinx,			# sinx曲线的y坐标
        cosx,			# cosx曲线的y坐标
        sinx < cosx,	# 填充条件为True时,执行填充操作
        color=''		# 颜色
        alpha=0.3		# 透明度
    )

案例:绘制两条曲线: sinx=sin(x) cosx=cos(x/2) / 2 \[0-8π\]

import numpy as np
    import matplotlib.pyplot as mp
    
    x = np.linspace(0, 8 * np.pi, 1000)
    sinx = np.sin(x)
    cosx = np.cos(x / 2) / 2
    
    mp.figure("Fill", facecolor='lightgray')
    mp.title("Fill", fontsize=18)
    mp.xlabel('X', fontsize=14)
    mp.ylabel('Y', fontsize=14)
    mp.tick_params(labelsize=10)
    mp.plot(x, sinx, color='dodgerblue',
            label='y=sin(x)')
    mp.plot(
        x, cosx, color='orangered',
        label=r'$y=\frac{cos(\frac{x}{2})}{2}$')
    # 填充
    mp.fill_between(
        x, sinx, cosx, sinx > cosx,
        color='dodgerblue', alpha=0.5)
    mp.fill_between(
        x, sinx, cosx, sinx < cosx,
        color='orangered', alpha=0.5)
    
    
    mp.tight_layout()
    mp.legend()
    mp.show()

#### 条形图(柱状图) ####

mp.bar(
    	x,			# 水平坐标数组
        y,			# 柱状图高度数组
        width,		# 柱子的宽度
        color='',	# 填充颜色
        label='',	#
        alpha=0.5	#
    )

案例:绘制苹果12个月的销量,绘制橘子的销量.

import numpy as np
    import matplotlib.pyplot as mp
    
    apples = [23, 19, 81, 22, 65, 34, 65, 23, 89, 56, 89, 39]
    oranges = [56, 56, 74, 39, 64, 95, 63, 48, 56, 98, 65, 45]
    
    mp.figure('Bar', facecolor='lightgray')
    mp.title('Bar', fontsize=18)
    mp.xlabel('Month', fontsize=14)
    mp.ylabel('Price', fontsize=14)
    mp.tick_params(labelsize=10)
    mp.grid(linestyle=':', axis='y')
    
    x = np.arange(len(apples))
    mp.bar(x - 0.2, apples, 0.4,
           color='dodgerblue', label='Apple')
    mp.bar(x + 0.2, oranges, 0.4,
           color='orangered', label='Orange')
    
    mp.xticks(x, [
        'Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun',
        'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'])
    
    mp.legend()
    mp.show()

#### 饼状图 ####

mp.pie(
    	values,			# 值列表
        spaces,			# 扇形之间的间距列表
        labels, 		# 扇形的标签列表
        colors,			# 扇形的颜色列表
        '%d%%',			# 所占比例的格式
        shadow=True,	# 绘制阴影
        startangle=90,	# 逆时针绘制饼状图的起始角度
        radius=1		# 半径
    )

案例:绘制饼状图显示5门语言的流行度.

import numpy as np
    import matplotlib.pyplot as mp
    
    mp.figure('Pie', facecolor='lightgray')
    mp.title('Pie', fontsize=14)
    
    values = [26, 17, 21, 29, 11]
    spaces = [0.05, 0.01, 0.01, 0.01, 0.01]
    labels = ['Python', 'JavaScript',
              'C++', 'Java', 'PHP']
    colors = ['dodgerblue', 'orangered',
              'limegreen', 'violet', 'gold']
    # 等轴比例绘制
    mp.axis('equal')
    mp.pie(values, spaces, labels, colors,
           '%d%%', shadow=True,
           startangle=90, radius=1)
    mp.legend()
    mp.show()

#### 等高线图 ####

组成等高线需要网格点坐标矩阵,也需要每个点的高度.所以等高线的绘制是属于3D数学模型的范畴.

#绘制等高图
    mp.contourf(
        x, y, 	# 网格坐标矩阵
        z, 		# 坐标矩阵中每个点的值
        8, 		# 把整个模型的高度等分8份
        cmap='jet'	#颜色映射
    )
    #绘制等高线
    mp.contour(x, y, z, 8, 
               colors='black',
               linewidths=0.5
    )
    # 设置等高线的标签文本
    mp.clabel(cntr, inline_spacing=1,
              fmt='%.1f', fontsize=10)

#### 热成像图 ####

用图形的方式显示矩阵及矩阵中值的大小.

# origin
    # 'upper': 默认值 y轴方向向下
    # 'lower': y轴方向向上
    mp.imshow(z, cmap='jet', origin='lower')

#### 3D图像绘制 ####

matplotlib支持绘制三维曲面,但需要使用axes3d提供的3d坐标系进行绘制.

from mpl_toolkits.mplot3d import axes3d
    ax3d = mp.gca(projection='3d')
    # 使用ax3d对象绘制3维图形
    ax3d.scatter()			# 3维散点图
    ax3d.plot_surface()		# 3维平面图
    ax3d.plot_wireframe()	# 3维线框图

**3维散点图的绘制**

ax3d.scatter(
    	x, y, z, 		# 点的位置坐标数组 x, y, z
        marker='',		#
        s=30,			#
        zorder=3,		#
        color='',		#
        edgecolor='',	# 边缘色
        facecolor='',	# 填充色
        c=v, 			# 设置颜色(使用cmap映射)
        cmap=''			
    )

案例: 生成三维散点数组, 显示在三维坐标系中.

import numpy as np
    import matplotlib.pyplot as mp
    from mpl_toolkits.mplot3d import axes3d
    
    n = 1000
    x = np.random.normal(0, 1, n)
    y = np.random.normal(0, 1, n)
    z = np.random.normal(0, 1, n)
    
    mp.figure('3D Points', facecolor='gray')
    mp.title('3D Points', fontsize=18)
    # 获取3d坐标轴
    ax = mp.gca(projection='3d')
    ax.set_xlabel('X', fontsize=12)
    ax.set_ylabel('Y', fontsize=12)
    ax.set_zlabel('Z', fontsize=12)
    mp.tick_params(labelsize=8)
    # v用于设置散点的颜色
    v = np.sqrt(x**2 + y**2 + z**2)
    ax.scatter(x, y, z, s=30, c=v, cmap='jet',
               alpha=0.5)
    mp.show()

**绘制3d平面图**

#如果n为1000, rstride为30,则图像将会被评分1000/33份,
    #分别设置不同的渐变色.这意味着跨距越小,图像越细腻,资源消
    #耗也越大.
    ax3d.plot_surface(
    	x, y, z,	# 与等高线图的xyz参数相同
        rstride=30,	# 行跨距
        cstride=30, # 列跨距
        cmap='jet'	# 颜色映射
    )

**绘制3d线框图**

ax3d.plot_wireframe(
        x, y, z, 		# 与等高线图的xyz参数相同
        rstride=30, 	# 行跨距
        cstride=30, 	# 列跨距
    	linewidth=1,	
    	color=''
    )

#### 极坐标系 ####

与笛卡尔坐标系不同,某些情况下极坐标系适合处理与角度有关的图像.极坐标系可以描述极径ρ(rho)与极角θ(theta)之间的关系.

mp.figure()
    mp.gca(projection='polar')
    # 再进行图像绘制时将会基于极坐标系进行绘制

案例:在极坐标系中绘制一条线 \[0,4π\] y=0.8\*x

import numpy as np
    import matplotlib.pyplot as mp
    
    x = np.linspace(0, 4 * np.pi, 1000)
    y = 0.8 * x
    sinx = 3 * np.sin(6 * x)
    mp.figure('Polar', facecolor='lightgray')
    mp.gca(projection='polar')  # 使用极坐标系
    mp.title('Polar', fontsize=18)
    mp.xlabel('x', fontsize=14)
    mp.ylabel('y', fontsize=14)
    mp.tick_params(labelsize=10)
    mp.grid(linestyle=':')
    mp.plot(x, y, label='y=0.8x')
    mp.plot(x, sinx, label='y=3sin(6x)')
    mp.legend()
    mp.show()

#### 实现简单动画 ####

动画是在一段时间内快速连续的重新绘制图像的过程.

matplotlib提供了方法用于处理简单动画的绘制.定义update函数用于实时更新图像.

import matplotlib.animation ma
    # 更新图像的函数,在该函数中实现图像更新业务
    def update(number):
        pass
    # 开始执行一段动画 (每隔10毫秒执行update更新界面)
    # mp.gcf(): 获取当前窗体 getCurrentFrame() 
    # update: 更新图像的函数,在该函数中实现图像更新业务
    # interval: 周期时间
    ma.FuncAnimation(mp.gcf(), update, interval=10)

案例:

import numpy as np
    import matplotlib.pyplot as mp
    import matplotlib.animation as ma
    
    # 1.随机生成100个泡泡
    # [((1,2), 30, 1, (0.2,0.2,0.2))]
    
    n = 100
    balls = np.zeros(n, dtype=[
        ('position', float, 2),
        ('size', float, 1),
        ('growth', float, 1),
        ('color', float, 4)])
    # 对着100个元素进行初始化 设置随机值
    # uniform随机生成0-1的数填充n行2列的数组
    balls['position'] = np.random.uniform(
        0, 1, (n, 2))
    balls['size'] = np.random.uniform(
        60, 70, n)
    balls['growth'] = np.random.uniform(
        10, 50, n)
    balls['color'] = np.random.uniform(
        0, 1, (n, 4))
    
    # 绘制这些球
    mp.figure('Bubbles', facecolor='lightgray')
    mp.title('Bubbles', fontsize=18)
    mp.xticks([])
    mp.yticks([])
    
    sc = mp.scatter(balls['position'][:, 0],
                    balls['position'][:, 1],
                    balls['size'],
                    color=balls['color'])
    
    
    # 在update函数中更新球的状态
    def update(number):
        balls['size'] += balls['growth']
        # 选择一个泡泡使之破裂
        boom_ind = number % n
        balls[boom_ind]['size'] = \
            np.random.uniform(67, 80, 1)
        balls[boom_ind]['position'] = \
            np.random.uniform(0, 1, (1, 2))
        # 重新绘制
        sc.set_sizes(balls['size'])
        sc.set_offsets(balls['position'])
    
    
    anim = ma.FuncAnimation(
        mp.gcf(), update, interval=30)
    
    mp.show()

使用生成器函数提供数据,实现动画的绘制

import matplotlib.animation ma
    # 更新图像的函数,在该函数中实现图像更新业务
    def update(val):
        pass
    # 生成器函数用于提供动画所需参数
    def generator():
        # ...
        yield val
    #执行动画时,将会先调用generator获取数据,然后带着数据调
    #用update函数执行界面更新.(这个过程每10毫秒执行一次)
    ma.FuncAnimation(mp.gcf(), update, 
                     generator,interval=10)

案例:模拟信号接收器 y=sin(2πt)\*exp(sin(0.2πt))

import numpy as np
    import matplotlib.pyplot as mp
    import matplotlib.animation as ma
    
    mp.figure('Signal', facecolor='lightgray')
    mp.title('Signal', fontsize=18)
    mp.xlim(0, 10)
    mp.ylim(-3, 3)
    mp.grid(linestyle=':', alpha=0.5)
    pl = mp.plot([], [], color='dodgerblue',
                 label='Signal')[0]
    pl.set_data([], [])
    # 接收生成器生成的(x,y),添加到绘制的
    # 曲线坐标数组中,重新绘制界面
    
    
    def update(data):
        t, v = data
        x, y = pl.get_data()
        # 把新的坐标点,添加到当前plot对象坐标数组中
        x.append(t)
        y.append(v)
        # 重新设置plot对象的数据集
        pl.set_data(x, y)
        # 移动坐标轴
        if(x[-1] > 10):
            mp.xlim(x[-1] - 10, x[-1])
        pass
    
    
    x = 0
    # 生成坐标点数据 yield返回
    def generator():
        global x
        y = np.sin(2 * np.pi * x) * \
            np.exp(np.sin(0.2 * np.pi * x))
        yield (x, y)
        x += 0.05
    
    # 执行动画
    anim = ma.FuncAnimation(
        mp.gcf(), update, generator, interval=30)
    
    mp.show()

## numpy与matplotlib应用 ##

### 加载文件 ###

读取aapl.csv文件, 在图标中绘制文件信息.

#当numpy读取文件时,会把第一列的数据先经过func函数处理,
    #然后交给dtype进行数据类型转换,最终赋值给dates变量.
    def func(date):
        return '2011-10-10'
    
    dates, opening_price = np.loadtxt(
    	'../data/csv',			# 文件路径
        delimiter=',', 			# 文件的列分隔符(,)
        usecols=(1,3),			# 需要读取的列的下标
        unpack=True,			# 是否需要拆包
        dtype='U10,f8',			# 读取的每一列的类型 
        converters={ 1:func}		# 转换器函数字典
    )

案例:读取文件,绘制股价图.